世界切削行业正在不断探索与研究如何在保证产品或零件满足切削加工要求的前提下,得到高生产率、低生产成本及高经济效益。若已知了工件、机床以及其它的加工信息,那么选择合理的切削参数对提高生产率、降低加工成本及提高零件加工质量都是非常重要的。50609
到目前为止,科学家们已经为切削参数优化做了许许多多工作,其大致可分为如下两类:第一类,把专家系统和切削数据库作为切削参数优化的核心,通过查询知识库、所保存的经验试验数据或根据最新加工优化数据选取最优切削参数;第二类,基于各种各样的优化加工算法,通过开发专门的切削参数优化软件实现给定条件下的切削参数优化。
国外,美国金属切削联合研究公司和美国空军材料实验所早在1964年就联合建立了美国空军加工性数据中心(AFMDC),AFMDC研究开发了世界上第一个金属切削数据库CUTDATA[4]。上世纪70年代,德国的切削数据情报中心(INFOS)成为当时全球范围内存储信息最多并且拥有最完整的的软件系统的切削数据库之一[6]。到目前为止,国际上许多著名的工具厂商都建立了属于它们自己的切削数据库系统。例如,德国Walter公司开发的TDMeasy软件,具有缩短计划时间及控制刀具订货等功能。Sandvik Coromant 公司开发刀具管理软件Auto TAS,其提供了3000多种刀具的CAD模型以及各种刀具的成本、供应商、切削性能、寿命及其在系统中的库存位置与要进行加工的工件信息等。CIM公司研制的CIM-SOURCE金属切削刀具信息系统包含了11.5万种以上的刀具数据,这庞大的刀具数据是由世界上17个主要的刀具公司生产的[4]。
随着人工智能技术的发展,跟机械加工专家系统相关的开发技术正在逐步成熟。日本的MAZATROL 32与德国的TRAUBE等厂家开发出了一些具有智能化的刀具和切削参数优选的软件。在A Computer-based Intelligent System for Automatic Tool Selection一文中,K.O. Edalew等人介绍了一个能自动选择加工过程及其所需加工刀具的计算机智能系统,这个系统对于当今工程环境适用。
目前国外已经商品化的产品有:瑞典SANDVIK刀具公司的COROGUID、美国KENNAMETAL公司的GAMA、美国密歇根国际制冷公司的COMPS、英国的DUNDEE大学开发的智能刀具选择系统等。
对于第二类,在19世纪50年代时,Gilbert发表了第一篇跟加工经济性相关的文章,在这篇文章中首次提出了最大生产效率与最小生产成本的概念。Field提出了一种将生产成本和生产时间评价系统化的方法,这种方法经后人证明是实际可行的,Field还发展了在不同的加工操作和不同零件及刀具材料情况下刀具寿命与切削参数的关系,把综合了进给速后和切削深度考虑进去后,Field计算出了最小生产成本和最大生产效率所对应的切削速度。在Field研究的基础上,Hitomi研究了最小生产成本、最大生产效率以及最大利润率与优化切削速度之间的关系。Mesquita以最小成本、最短生产时间和最小工序数为优化目标,提出了在同时考虑切削速度、切削深度和进给速度的情况下并根并据实践具体的生产情况确定各优化目标的权重的切削参数优化算法。
Cukor提出的优化算法跟Mesquita的相同。在加工过程中,每个加工工序的加工状况有由切削三要素和直径处的切削点表达,Cukor建立了基于加工成本与加工时间的全局权重方程。在连续规划法的基础上,Chua解决了最小成本的优化问题。Franci Cus以生产效率最大化为目标运用遗传算法对切削参数进行优化。在综合考虑生产效率、生产成本和加工表面的粗糙度等因素的基础上,Uros Zuperl运用用神经网络算法建立了切削参数优化的目标函数并优化了切削参数。Dae Kyun Baek 以提高加工的表面粗糙度为目标对表面端铣进行切削参数优化[13]。